Python与机器学习实战--学习笔记--第一章

第一章 Python与机器学习入门

1.1 什么是机器学习？
    通俗定义：
        学习就是利用以往的经验，对未知的情况进行决策和预测，
        机器学习就是把这个决策交给计算机来做。
    专业定义：
        它是一种让计算机利用数据而非指令来进行各种工作的方法。
        计算机使用输入数据，利用人类赋予它的算法得到某种模型的过程，最终利用模型来做预测。
    统计学理论下的定义：
        它追求的是合理的假设空间(Hypothesis Space)的选取和模型的泛化(Generalization)能力。
        假设空间：就是我们的模型在数学上的"适用场合"
        泛化能力：就是我们的模型在位置数据上的表现。
1.2 常用术语：
    数据集(Data Set)：数据集合的意思。
    属性(Attribute)：即特征(Feature),特征的具体值称为特征值(Feature Value)
    特征空间(Feature Space)：即样本空间(Sample Space)，样本和特征可能存在的空间。
    标签空间(Label Space)：模型输出可能存在的空间。
    训练集(Training Set)：总数据中用来训练模型的数据集
    测试集(Test Set)：总数据中用来测试、评估模型泛化能力的部分数据集。
    交叉验证集(Cross-Validation,CV set)：比较特殊的一部分数据，用来调整模型具体参数。
    
1.3  交叉验证三种方法：
   S-fold Cross Validation(S折交叉验证)：
   留一交叉验证
   简易交叉验证：
     即随机分组，训练集达到总数据的70%,选择模型时使用测试误差作为标准。

1.4 机器学习应用领域:
   机器视觉
   语音识别
   数据挖掘
   统计学习

-------------------------------
2.1 为何选用python：
   Eric Raymond:"Python语言非常干净，设计优雅，具有出色的模块化特性，
   其最出色的地方在于，鼓励清晰易读的代码，特别适合以渐进开发的方式构造项目"。
  
  缺点：
      速度相对较慢。
  优点：
      海量第三方库，其中包含大量的科学计算库
      胶水功能：可以通过其他途径使用C/C++来编程
 
2.2 Python在机器学习领域的优势： 
   与高级语言MATLAB比较：
        MATLAB正版软件几千美元的费用，
        Python开源免费
   与C++的比较：
        Python简单易于实现，有大量第三方科学计算库

2.3 Anaconda的介绍及使用：
  大量的科学计算库怎么使用，会不会有版本兼容问题。
   Anaconda就是集成了所有科学计算库，并且及时更新各种库的版本 
   安装步骤参考官网教程

第一个机器学习样例：

  第一步：数据预处理
  第二步：选择和训练模型
      使用numpy库提供的函数进行训练
  第三步：评估和可视化结果
       损失函数最小作为衡量标准
       注意过度拟合现象

UC Irvine Machine Learning Repository

第二章 贝叶斯分类器

第三章 决策树

第四章 集合学习

第五章 支持向量机

第六章 神经网络

第七章 卷积神经网路